Estimation et correction du biais systématique dans les données issues de lagénomique fonctionnelle introduit lors de criblage à haut débit

 

Robert Nadon

Université McGill

 

Domaine : techniques, mesures et systèmes

Programme projet de recherche en équipe

Concours 2018-2019

La génomique fonctionnelle a pour objectif d'identifier le rôle de l'ensemble des gènes composant le génome de l'humain, des plantes, des poissons, et des bactéries. La génomique fonctionnelle permet d'identifier, par exemple, les vulnérabilités génétiques clés chez les organismes étudiés en réponse à des perturbagènes environnementaux, comme les pesticides ou les agents thérapeutiques. Cependant, des biais dans les mesures de phénotypes est un facteur limitant pour les systèmes à perturbation de gènes, tels que l'interférence par ARN et les systèmes CRISPR. Dans les campagnes de criblage à haut débit, les biais spatiaux introduisent des imprécisions importantes dans la mesure des phénotypes. Contrairement aux autres technologies de criblage, un biais additionnel est introduit au processus par une faible spécificité de la cible, ce qui mène à un haut degré de faux positifs dans les essais d'ARNi, se traduisant par des résultats déroutants, une faible reproductibilité entre les différentes librairies et une perte de temps et de ressources dans le processus de validation.

Nous proposons d'adapter des modèles statistiques, que nous avons utilisés de façon concluante pour corriger le biais systématique dans d'autres biotechnologies, pour éliminer les effets « hors cible » dans les essais combinés (d'ARNsh et de CRISPR) et les essais à échantillons multiples (ARNsi). Les biais systématiques additionnels présents dans les essais seront corrigés via la résolution d'un système d'équations non-linéaires et/ou par une estimation du biais des plaques de contrôle. Des méthodes empiriques de Bayes pour des échantillons de petites tailles, non utilisées jusqu'à présent pour les essais d'ARNi et de CRISPR, seront également examinées.